基于嵌入式的交通标志识别器的设计

目录

声明

第一章 绪论

1.1 研究的背景与意义

1.2 国内外研究现状

1.2.1 基于机器学习的交通标志牌检测

1.2.2 基于深度学习的交通标志牌识别

1.2.3 嵌入式平台发展

1.3 章节安排

第二章 目标检测与图像处理相关算法

2.1 基于OpenCV的图像预处理

2.1.1 图像的去噪

2.1.2 图像的几何变换

2.2 交通标志牌检测核心—目标检测算法

2.2.1 传统目标检测算法

2.2.2 深度学习目标检测

2.3 本章小结

第三章 基于YOLOv3的交通标志牌的检测

3.1 YOLOv3模型

3.1.1 Darknet-53特征提取网络

3.1.2 FPN多尺度

3.1.3 YOLOv3损失函数

3.2 交通标志牌检测与分类

3.2.1 数据集的由来与制作

3.2.2 Anchor Boxes初始化

3.2.3 YOLOv3模型训练参数

3.2.4 YOLOv3模型训练结果

3.3 基于训练集的YOLOv3模型改进

3.3.1 YOLOv3模型检测的弊端

3.3.2 高斯混合聚类

3.3.3 YOLOv3模型的拓展

3.3.4 多尺度的引进

3.3.5 改进模型训练结果

3.4 本章小结

第四章 基于嵌入式平台的交通标志牌检测

4.1 模型的轻量化

4.1.1 MobileNet模型轻量化

4.1.2 轻量化模型训练结果

4.2 Jetson TX2嵌入式

4.2.1 Jetson TX2嵌入式平台硬件部分介绍

4.2.2 Jetson TX2嵌入式平台软件部分介绍

4.3 TX2视频图像的编解码

4.3.1 板载摄像头的驱动

4.3.2 GStreamer多媒体框架

4.4 TX2上交通标志牌检测结果

4.4.1 模型的整体结果

4.4.2 模型检测实时结果

4.5 本章小结

第五章 基于TensorRT的模型推理加速研究

5.1 TensorRT深度学习推理优化器

5.1.1 训练与推理

5.1.2 TensorRT推理加速原理

5.2 TensorRT推理优化交通标志牌模型结果

5.3 本章小结

第六章 全文总结与展望

6.1 全文总结

6.2 工作展望

致谢

参考文献